Python爬虫基础讲解（七）：xpath的语法

import parsel # str --> Selector对象具有xpath方法
提取到的数据返回一个列表

html_str = """
    <div>
          <ul>
                <li class="item-i">
                    <a href="link1.html">第一个</a>
                </li>

                <1iclass="item-2个>J学言
                    <a href="link2. html">第二个</a>
                </li>

                <li class="item-3">
                    <a href="link3.html">第三个</a>
                </li>

                <li class="item-4">
                    <a href="link4.html">第四个</a>
                </li>
 
                 <li class="item-5">
                    <a href="link5.html">第五个</a>
                </li>
          </ul>
    </div>
# 1、转换数据类型
# data = parsel.Selector(html_str).extract()  
# parsel能够把缺失的html标签补充完成
data = parsel.Selector (html_str)  # parsel能够把缺失的html标签补充完成
# 2、解析数据--list类型
# print(data)
# 2、1从根节点开始，获取所有<a>标签
result = data.xpath(' /html/body/ div/ul/li/a').extract()
# 2、2跨节点获取所有<a>标签
result = data. xpath('/ /a').extract()
# 2、3选取当前节点――使用场景:需要对选取的标签的下一级标签进行多次提取
result = data.xpath('//ul')
result2 = result.xpath(' ./li').extract()  #提取当前节点下的<li>标签
result3 = result.xpath(' ./li/a').extract()  #提取当前节点下的<a>标签
# 2、4选取当前节点的父节点,获取父节点的class属性值
result = data.xpath(' //a')
result4 = result.xpath('../@class').extract()
# 2、5获取第三个<li>标签的节点（两种方法)
result = data. xpath('//li[3]').extract()
result = data. xpath(' / /1i')[2].extract()
# 2、6 通过定位属性的方法获取第四个<a>标签
result = data. xpath(' / / a [@href="link4.html"]’).extract()
#2、7用属性定位标签，获取第四个<a>标签包裹的文本内容
result = data.xpath('//a[@href="link4.html"]/text()' ). extract()
#2、8获取第五个<a>标签的href属性值
result = data. xpath(' / /1i[5]/a/@href').extract(#了解模糊查询
result = data.xpath('//li[contains(@class,"it")]’).extract ()
#同时获取<li>标签的属性以及<a>标签的文本
# result = data.xpath('//li/@class|//a/text()').extract()

print (result)